Neil Zhu，简书ID Not_GOD，University AI 创始人 & Chief Scientist，致力于推进世界人工智能化进程。制定并实施 UAI 中长期增长战略和目标，带领团队快速成长为人工智能领域最专业的力量。
作为行业领导者，他和UAI一起在2014年创建了TASA（中国最早的人工智能社团）, DL Center（深度学习知识中心全球价值网络），AI growth（行业智库培训）等，为中国的人工智能人才建设输送了大量的血液和养分。此外，他还参与或者举办过各类国际性的人工智能峰会和活动，产生了巨大的影响力，书写了60万字的人工智能精品技术内容，生产翻译了全球第一本深度学习入门书《神经网络与深度学习》，生产的内容被大量的专业垂直公众号和媒体转载与连载。曾经受邀为国内顶尖大学制定人工智能学习规划和教授人工智能前沿课程，均受学生和老师好评。
信任关系是比较复杂的，包含了个人背景、交互历史、上下文环境、相似性以及声望等等。我们试着来定义社交关系中的可信性。
信任需要一种信念（belief）和承诺（commitment），例如，Bob相信Frank将会提供可靠的信心，所以Bob乐意对那个信息采取行动。这就有点类似于打赌（bet）。
再推荐系统的这个场景中，信任通常被用来描述观点的相似性，并且会忽略权威的作用和事实的正确性。
信任的推测
现在我们的目标就是：选择出两个个体源A和汇C，推荐给A可信任C的程度。
主要使用的算法
- Advogato(Levien)
- Appleseed (Ziegler and Lausen)
- MoleTrust (Massa and Avesani)
- TidalTrust (Golbeck)
构建使用信任度的推荐系统
使用信任作为一种方式来给一些用户赋予更多的权重
CF中的信任
使用信任度来取代（或者组合）相似度
sorting和filtering中的信任
优先使用信任的源的信息
其他使用社交信息的方式
使用社交网络信息来取代或者更改用户间相似性
人口信息方法
通过个人的属性来进行用户的分类从而完全个性化的推荐，人口群组可以来自市场调研——专家来确定如何对用户进行建模
形成了人人的相关性（比如说来自同一个社交媒体的用户之间的关系产生的一个本站的社交网络，更容产生密切的关联）
